W skrócie
Należy zacząć od zmapowania, gdzie firma używa AI, a potem uczynić wydajny wybór domyślnym: najmniejszy model spełniający próg jakości, krótkie odpowiedzi, funkcje AI wyłączone, jeśli nie są potrzebne. Od dostawców warto uzyskać dane o energii na zapytanie i o tym, gdzie działają, mierzyć zużycie na użyteczne zadanie i ująć to w krótkiej polityce z osobą odpowiedzialną. Większość tych kroków obniża też koszty i opóźnienia, a nie tylko zużycie energii.
Kroki
- Spisać używane narzędzia i funkcje AI oraz zautomatyzowane procesy, a także orientacyjnie, jak często każde z nich działa.
- Sprawdzić, czy mniejszy model lub metoda bez AI spełnia próg jakości w zadaniach o największej liczbie wywołań.
- Ustawić wydajne opcje domyślne w narzędziach firmowych, np. mniejsze modele, limity długości odpowiedzi i funkcje wyłączone, jeśli nie są potrzebne.
- Zapytać dostawców o energię na zapytanie, miejsce działania obciążeń i sposób raportowania.
- Śledzić energię lub tokeny na użyteczne zadanie i co kwartał przeglądać wyniki.
- Zapisać zasady w krótkiej polityce ze wskazaną osobą odpowiedzialną i datą przeglądu.
Należy uczynić wydajny wybór domyślnym, a potem mierzyć, czy to działa. W większości firm energia idzie na wielokrotne codzienne uruchamianie modeli (inferencję), a nie na ich trenowanie, dlatego najważniejsze są codzienne wybory dotyczące modeli, promptów i funkcji.
Dwa ustalenia pokazują, jak duże jest pole do poprawy. Luccioni, Jernite i Strubell ustalili, że ogólne modele generatywne są o rzędy wielkości droższe w działaniu niż modele dedykowane tym samym zadaniom. UNESCO i University College London ustaliły, że mniejsze modele dedykowane zadaniom mogą obniżyć zużycie energii nawet o 90%, a krótsze prompty i odpowiedzi – o ponad połowę.
Od czego zacząć?
- Zmapować użycie AI: zob. jak zmapować, gdzie organizacja używa AI.
- Dobrać rozmiar modelu do najczęstszych zadań: najpierw wypróbować małe modele; zob. jak wybrać mniejszy model AI.
- Ustawić opcje domyślne: wyłączyć funkcje, z których nikt nie korzysta; zob. wyłączanie niepotrzebnych funkcji AI.
- Pytać dostawców: zob. zrównoważony rozwój w zamówieniach na AI.
- Mierzyć na zadanie: zob. śledzenie energii AI na zadanie.
- Spisać zasady: zob. jak napisać politykę zielonej AI.
Co daje największą różnicę
Wybór modelu w zadaniach o dużej liczbie wywołań i wyłączenie AI, która działa, choć nikt jej nie potrzebuje. Nawyki pracowników mają znaczenie, ale opcje domyślne docierają do wszystkich i nie zależą od pamięci.
Częste błędy
- Liczenie kosztu na wywołanie zamiast na udane zadanie, przez co ponowne próby pozostają niewidoczne.
- Traktowanie umowy na „zieloną” chmurę jako pełnej odpowiedzi, podczas gdy użycie stale rośnie.
- Deklarowanie oszczędności przed zmierzeniem punktu odniesienia.
Pełne podejście opisuje nasz przewodnik dla biznesu.
Źródła
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
Powiązane
Zielona AI dla biznesu
Praktyczny przewodnik dla firm: jak ograniczyć energię, koszty i emisje AI. Wybór modelu, dostawcy, pomiary, zakupy i uczciwe deklaracje.
Jak sprawdzić, gdzie moja organizacja korzysta z AI?
Jak sporządzić prosty spis AI w organizacji: narzędzia, funkcje wbudowane, automatyzacje i dostawcy, z wolumenami, właścicielami i danymi.
Jak napisać politykę zielonej AI?
Co powinna zawierać krótka polityka zielonej AI: kiedy używać AI, jakie ustawienia domyślne przyjąć, o co pytać dostawców, jak mierzyć i kto za nią odpowiada.
Wybór właściwego modelu do zadania
Jak dobrać AI do zadania: kiedy wystarczy mały lub wyspecjalizowany model, kiedy duży model jest wart kosztów, jak działa routing i kiedy obejść się bez AI.